第二章 文獻探討與回顧
2.6 專家系統
「專家」是經常於特定領域中訓練和累積經驗的人，由於擁有專家知 識，因此解決問題的效率與速度比一般人高出許多；而專家系統就是將某 領域專家們的知識和經驗，經過知識加工服務來建立一套以推理方式來解 決問題的系統。此系統除了具備解決由資訊所組成問題的必要功能外，須 具備模仿人類推理和思考的能力，相似於人類專家應用知識搭配思考解決 問題。廣義來說，專家系統係指某些電腦軟體，模擬真實專家的存在，並 協助、提供非專家學習者操作的環境來處理事情、解決問題[28-29]。
2.6.1 專家系統的發展
五十年代中期，科學家試圖建立一個模擬人腦的智能機制，其代表系 統名為 PERCEPTION，此系統具備自我學習的功能，但未達理想的標準。
之後的十年間，科學家主要集中於明確定義與結構問題上的研究，如定理 的證明、問題的求解等。之後於 1960 年發展出一個名為通用問題求解器 (General Problem Solver, GPS)的系統，其特點為不侷限於特定問題上，但
19
需於狀態集合較少和完整定義形式規則的領域內使用[30]。
2.6.2 專家系統架構
專家系統架構包含六大部分，如圖 2-5 所示，分別為：
1. 知識庫(Knowledge Base)
此為專家系統的核心的部分，存有解決問題的背景知識，並包含該領 域專家的經驗、知識與事實資料。
2. 推理引擎(Inference Engine)
用於處理與控制專家系統推理過程的機制，模仿專家使用邏輯思考的 方式與技巧來解決問題。
3. 工作記憶區(Working Memory)
將推理過程中產生關於知識的資料暫存。
4. 解釋能力(Explanation Facility) 幫助使用者對系統更加了解。
5. 知識取得介面(Knowledge Acquisition Interface)
將知識工程師得到的經驗和知識，轉換成電腦可使用的架構。
6. 使用者介面(User Interface)
提供使用者跟電腦間的溝通介面，讓使用者得以和電腦組成的專家系 統進行順暢的溝通。
20 (Knowledge Acquisition)、知識表現(Knowledge Representation)與知識推論 (Knowledge Inference)，這三項將於下一小節中說明。
2.6.3 知識擷取
知識擷取，包含知識的取得、表示與推理，為專家系統發展過程中最 關鍵的部份。以知識存在的具體性，可分為以下兩類：
1. 內隱知識(Implicit Knowledge)
專指存在於專家腦中，必須經由專家解釋，才能被一般人理解或應用 的知識。這類知識因為擷取的過程非常複雜，很難直接應用於專家系 統中，為專家系統於建立過程中會遇到的一大困難點。
2. 外顯知識(Explicit Knowledge)
專指條理分明且清楚明確的知識，這類知識通常容易歸納整理應用於 專家系統中。
知識擷取分為三種方式，分別為人際溝通模式、人機交談模式和機器
21
學習模式，其內容如圖 2-6 所示。
專家知識 知識工程師 知識庫
交談式知識攝取軟體
機器學習軟體 專家知識
範例庫
知識庫
知識庫 人際溝通模式
人際溝通模式
人機交談模式 人機交談模式
機器學習模式 機器學習模式
圖 2-6 知識擷取的三種方式
此外知識擷取的過程可分為指認、結構化、關聯化與測試四個部份，
如圖 2-7 所示。其中指認是確認問題與答案之間的關聯；結構化是指問題 的架構與模式，內容包含解決相關於問題的變數階層關係、因果層次及程 序關係等，以便把問題分成許多獨立且較小的次問題；關聯化指的是建立 知識法則的過程；而測試則為擷取知識的檢查動作。實際上在知識工程流 程的每一階段，皆有其階段性的測試，只有在測試結果合於目標之後，才 能進入下一個步驟。
指認 概念概念 結構化 結構結構 關聯化 知識知識 測試 圖 2-7 知識擷取的四個步驟
人際溝通模式又可再細分成兩大類，其一為直接人際溝通模式，是以
22
語言或文字等方式，直接與人類專家進行溝通，以便將知識擷取出來。這 類方式還包含陳述法、交談法、觀察法、閱讀法、問卷法與草案法等六種。
其二為間接人際溝通模式，為使用特殊表格、圖形及數學分析的方式 來擷取資料。這類方法包含有決策表、決策樹、且或樹、故障樹、展開樹、
流程圖、模式圖、階層集群分析樹和多維尺度分析樹等九種方法。本研究 採用且或樹的方法，詳細原理如下一小節。
2.6.4 且或樹(AND-OR Tree)
且或樹是指用 AND-Tree 與 OR-Tree 呈現知識庫架構的分析工具，由 不同條件的子節點(Child-Node)所構成。這些樹涵蓋由許多類型節點所組 成的知識庫，每個類型的節點用以對應相符的程序，若當下的環境皆滿足 某節點所代表的狀況時，程序便會執行。以下分別為 AND-Tree 與 OR-Tree 的說明[31]。
1. AND-node
當 AND-node 底下所有的子節點全滿足時，AND-node 才會為滿足，
只要任一子節點沒滿足，AND-node 就不會滿足，而若有某 AND-node 沒有任何子節點，則該 AND-node 會自動視為滿足。如圖 2-8 所示，
子節點由左至右依序檢查「條件一」、「條件二」，直到「條件 N」被 檢查完為止，當所有子節點皆被滿足，AND-node 才會執行某項程序。
23
條件一 條件二 …..
…..
條件N 程序AND
圖 2-8 AND-Tree
2. OR-node
當 OR-node 底下某一個子節點被滿足時，OR-node 也會被滿足，唯有 所有子節點都沒有一個被滿足時，OR-node 才不會被滿足，而若有某 OR-node 沒有任何子節點，則該 OR-node 則永遠不會被滿足。如圖 2-9 所示，子節點由左至右依序檢查「條件一」、「條件二」，直到「條 件 N」為止，只要有一個子節點被滿足(如條件二)，OR-node 就會執 行某項程序。
條件一 條件二 …..….. 條件N 程序
OR
圖 2-9 OR-Tree
2.6.5 知識推理與知識表現
專家系統的知識推理與知識表現，有以下五種方式：一為「法則式系 統」、二是「框架式系統」、三是「邏輯式系統」、四是「物件式系統」、最 後則是「語意式系統」。本論文僅介紹有用到的法則式系統。
法則式系統，為最早發展出來並普及的知識表現與知識推理模式，其 基本格式為 IF…, THEN…。IF 的區塊稱之為前提(premise)或是條件
24
(condition)；THEN 的區塊則稱之為行為(action)或結論。當 IF 的區塊與當 前的事實吻合，則 THEN 區塊內的行為就會執行，表示此法則被觸發。
然而，法則式系統又可依知識推論的方式不同，分成前向式推理系統與後 向式推理系統，以下將針對本研究所用的前向式推理系統做介紹。
前向式推理系統，為最早被使用的推理系統，適用於設計與規劃等問 題的應用，如 1978 年~1982 年間由 DEC 公司所開發的 XCON 專家系統，
便是使用前向式推理系統。其系統的運作原理為，當使用者選擇一資料後，
程式將會利用此資料，來判斷其是否符合系統內定的條件，以選擇所成立 的事實，最後程式再根據使用者對於事實成立與否的回答，而得到不同的 結論。
2.6.6 專家系統的特色與比較
專家系統與傳統程式設計，在形式上有差異；其中最大差異在專家系 統於解題知識與推理機制的部分是分開的。因此，如果要強化專家系統的 解題模式，只須修正知識庫內的內容就可達成，不同於傳統程式必須將程 式本身進行修改[32]。
25